#7157 识别字幕会出现很多同音字，识别不准确的情况

同音字错误是语音识别模型本身的局限（发音相同但字不同，ASR 只依赖声学特征判断），无法完全消除，但可通过以下措施大幅降低：

1. 启用 LLM 纠错（最有效）
v4.12 起，识别完成后会把结果发给 AI 大模型修正错别字、补全标点。

• 路径：菜单 → 工具 → 高级选项 → 通用设置 → LLM纠错所用AI渠道，默认 DeepSeek。
• 可调整 LLM纠错每批字幕行数（默认 20，设为更大值纠错效果更好，但受模型 max_token 限制）。
• 提示词可自行修改：软件目录/videotrans/prompts/resegment/llm.txt（{} 包裹的是变量，勿删改）。

2. 设置热词
专业名词、人名、地名等易错词，提前告诉模型。

• 路径：高级选项 → 语音识别参数 → 热词，多个词用英文逗号分隔。

3. 更换更强的识别渠道/模型

• 中文视频推荐：Qwen-ASR(内置)、阿里FunASR(内置) paraformer-zh、Firered中文(内置)、Huggingface_ASR 的 zai-org/GLM-ASR-Nano-2512。
• 使用 faster-whisper 时，把 tiny/small 换成 large-v3 或 large-v3-turbo，准确度显著提升（显存需求约 6-8GB）。

4. 提高输入音频质量

• 设置更多参数 勾选 降噪，或勾选 分离人声背景声（背景音乐/噪声会明显干扰识别）。

5. 明确指定发音语言
不要用 自动检测，指定语言后模型识别更准确。

6. 调整识别精度参数

• 高级选项 → 语音识别参数 → 识别准确度beam_size / best_of 从默认值适当调高（1-5，越大越准越耗显存）。
• 重复惩罚 调大可减少重复幻觉，文本压缩率 调小同理。
• 若是 faster-whisper 且启用 CUDA，计算数据类型 用 float16 而非 int8，精度更高。

7. 识别后人工校对
单视频翻译时会弹出字幕编辑窗口，可直接双击修改错别字；也可点击 打开字幕文件夹，用外部编辑器修改 原始语言代码.srt 后点 不保存只继续。

请查阅相关文档：

• 语音识别参数说明
• 最佳配置推荐
• 修改提示词
• 语音识别渠道说明与介绍
• 单视频精修模式

是否有AI校对

有，v4.12 版本内置了 LLM纠错 功能，专门用于修正识别出的错别字（同音字）、补全标点。

使用方式

1. 启用
在语音识别阶段完成后自动执行，无需单独开启。

2. 配置渠道
路径：菜单 → 工具 → 高级选项 → 通用设置 → LLM纠错所用AI渠道
默认使用 DeepSeek，可切换为其他已配置的 AI 渠道。

3. 调整每批字幕行数
路径：高级选项 → 通用设置 → LLM纠错每批字幕行数
默认 20，该值越大纠错效果越好（一次性发送全部字幕最佳），但受限于模型的最大输出 token 和上下文长度，过长输入会超出 AI 限制而失败。

4. 修改纠错提示词
文件位置：软件目录/videotrans/prompts/resegment/llm.txt
可自行调整，注意 {} 包裹的是变量，不要删除或修改。

重要说明

• v4.12 起，原来的 LLM重新断句 已调整为 LLM纠错：只修改错别字和恢复标点，不再重新断句。
• 该功能仅作用于语音识别阶段的结果，是视频翻译流程中的一个可选环节。
• 另有 videotrans/prompts/resegment/llm2.txt，是二次语音识别完成后用于修正识别错别字的提示词（对应流水线第⑦步）。

请查阅相关文档：

• 高级选项
• 修改提示词